<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Gabriel Felinto on Medium]]></title>
        <description><![CDATA[Stories by Gabriel Felinto on Medium]]></description>
        <link>https://medium.com/@gabrielfelinto2020?source=rss-cc9106e9576c------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*l9IePGAn5r04gpHk_GRHpQ.png</url>
            <title>Stories by Gabriel Felinto on Medium</title>
            <link>https://medium.com/@gabrielfelinto2020?source=rss-cc9106e9576c------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Wed, 18 Nov 2026 07:48:44 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@gabrielfelinto2020/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Análise de Dados de uma Startup de Entregas]]></title>
            <link>https://medium.com/@gabrielfelinto2020/an%C3%A1lise-de-dados-de-uma-startup-de-entregas-f38a350a80b2?source=rss-cc9106e9576c------2</link>
            <guid isPermaLink="false">https://medium.com/p/f38a350a80b2</guid>
            <category><![CDATA[power-bi]]></category>
            <category><![CDATA[análise-de-dados]]></category>
            <category><![CDATA[ifood]]></category>
            <category><![CDATA[ciencia-de-dados]]></category>
            <category><![CDATA[data-analysis]]></category>
            <dc:creator><![CDATA[Gabriel Felinto]]></dc:creator>
            <pubDate>Tue, 02 Apr 2024 21:52:54 GMT</pubDate>
            <atom:updated>2025-09-25T05:06:29.180Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/800/1*fFv-0-ib4HJLorxN4stPnA.png" /><figcaption>Gerada por IA</figcaption></figure><h3>Contexto</h3><p>Nos últimos anos, testemunhamos uma expansão significativa no setor de aplicativos de entrega em todo o mundo. Durante este período, observou-se o surgimento de diversas startups, entre elas o Delivery Center, uma startup especializada na gestão de entregas para centros comerciais, visando construir um ecossistema de varejo integrado, facilitando a conexão entre lojistas, plataformas de venda e entregadores por meio de uma única plataforma.</p><p>O conjunto de análises em foco reúne dados variados, incluindo registros de pedidos, informações sobre as lojas, entregadores, tipos de pagamento, entre outros. Esses dados são essenciais para a geração de insights relevantes sobre o negócio, possibilitando a realização de previsões acuradas sobre os gastos em campanhas promocionais ou outras ações de marketing, sempre com base em informações históricas.</p><blockquote>Este desafio foi proposto dentro da comunidade “<a href="https://hotmart.com/pt-br/club/clube-de-assinaturas-da-universidade-dos-dados">Clube de Assinaturas da Universidade dos Dados</a>” ministrado pelo <a href="https://www.linkedin.com/in/andreyukio/">Yukio</a>.</blockquote><h3>Objetivo</h3><p>Este artigo visa cumprir os levantamentos sugeridos a seguir, além de conduzir uma análise exploratória aprofundada dos dados. Isso envolverá modificações nos dados para identificar e corrigir quaisquer erros ou outliers, preparando-os adequadamente para a realização dos levantamentos requisitados.</p><h4>Levantamentos Propostos:</h4><ul><li>Numa ação de marketing, para atrair mais entregadores, vamos dar uma bonificação para os 20 entregadores que possuem maior distância percorrida ao todo. A bonificação vai variar de acordo com o tipo de profissional que ele é e o modelo que ele usa para se locomover (moto, bike, etc).</li><li>Além disso, o time de Pricing precisa ajustar os valores pagos aos entregadores. Para isso, eles precisam da distribuição da distância média percorrida pelos motoqueiros separada por estado, já que cada região terá seu preço.</li><li>Por fim, o CFO precisa de alguns indicadores de receita para apresentar para a diretoria executiva. Dentre esses indicadores, vocês precisarão levantar (1) a receita média e total separada por tipo (Food x Good), (2) A receita média e total por estado. Ou seja, são 4 tabelas ao todo.</li><li>Se a empresa tem um gasto fixo de 5 reais por entrega, recebe 15% do valor de cada entrega como receita e, do total do lucro, distribui 20% em forma de bônus para os 2 mil funcionários, quanto cada um irá receber no período contido no dataset?</li></ul><h3><strong>Conjunto de Dados</strong></h3><p>Os conjuntos de dados utilizados nesta análise estão disponíveis na plataforma do Kaggle e contêm 7 datasets diferentes, todos no formato CSV.</p><p>Este modelo representa, de forma fictícia, dados de pedidos e entregas que foram processados pelo Delivery Center entre os meses de janeiro a abril de 2021.</p><p>Os dados não possuem a completude de toda operação do Delivery Center e algumas informações foram alteradas devido ao tratamento com a Lei Geral de Proteção de Dados.</p><ul><li><strong>channels:</strong> Este dataset possui informações sobre os canais de venda (marketplaces) onde são vendidos os “good” e “food” de nossos lojistas.</li><li><strong>deliveries:</strong> Este dataset possui informações sobre as entregas realizadas por nossos entregadores parceiros.</li><li><strong>drivers:</strong> Este dataset possui informações sobre os entregadores parceiros. Eles ficam em nossos hubs e toda vez que um pedido é processado, são eles fazem as entregas na casa dos consumidores.</li><li><strong>hubs:</strong> Este dataset possui informações sobre os hubs do Delivery Center. Entenda que os Hubs são os centros de distribuição dos pedidos e é dali que saem as entregas.</li><li><strong>orders:</strong> Este dataset possui informações sobre as vendas processadas através da plataforma do Delivery Center.</li><li><strong>payments:</strong> Este dataset possui informações sobre os pagamentos realizados ao Delivery Center.</li><li><strong>stores:</strong> Este dataset possui informações sobre os lojistas. Eles utilizam a Plataforma do Delivery Center para vender seus itens (good e/ou food) nos marketplaces.</li></ul><h3><strong>Importação</strong></h3><p>Os dados estão no formato CSV (Comma separated values) e precisam ser importados para efetuarmos a análise e visualizações gráficas, é essencial fazermos o relacionamento de tabelas que permite a associação de dados de diferentes tabelas, de maneira resumida, é uma conexão entre duas tabelas com base em uma coluna que elas têm em comum, normalmente chaves primárias e chaves estrangeiras.</p><p><strong>Os Tipos de Relacionamentos são:</strong></p><p>Um-para-Um (1:1):</p><ul><li>Neste tipo de relacionamento, cada linha em uma tabela está relacionada a não mais que uma linha na outra tabela.</li></ul><p>Um-para-Muitos (1:*):</p><ul><li>Este é o tipo de relacionamento mais comum. Aqui, uma linha em uma tabela pode estar relacionada a uma ou várias linhas em outra tabela.</li></ul><p>Muitos-para-Muitos (*:*):</p><ul><li>Neste caso, várias linhas em uma tabela podem estar relacionadas a várias linhas em outra tabela.</li></ul><p>Faz-se necessário ter uma atenção maior na hora da importação dos conjuntos de dados, devido à identificação automática do Power BI do tipo de dados de cada coluna, ocasionando erros devido aos separadores de decimais em um número ou formato de data</p><p>Como é o caso do conjunto de dados “hubs”, em que o <strong>Power BI identifica</strong> a coluna “hub_latitude” — que originalmente era “-30.0474148” — como “-300474148”. Isso pode ser alterado na opção “Alterar Tipo com Localidade”.</p><p>Além de datas no conjunto de “<strong>orders</strong>”, já que as datas estão no formato <strong>“mes/dia/ano”</strong>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/690/1*ZARQZskIhBJB3gzVK6NLCw.png" /></figure><h4><strong>Modelo de Relacionamento:</strong></h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*sTkJz3tG-pL7fn4mYXhqVA.png" /></figure><h3>Análise Exploratória dos Dados (EDA)</h3><p>A “Análise Exploratória dos Dados” é essencial porque oferece uma visão inicial e compreensiva do conjunto de dados com o qual se está trabalhando. Sem se perder em complexidades técnicas, ela permite identificar padrões, detectar anomalias ou outliers e entender a distribuição dos dados.</p><p>Olhando para o conjunto de dados referente a entregas (“deliveries”), através de filtros, percebe-se que existem várias entregas repetidas. Como no caso da “delivery_order_id” com valor “75904541”, para a qual foram feitas 8 entregas, o que não é possível. Assim, podemos excluir essas linhas duplicadas.</p><p>Foi possível realizar essa visão melhor através da criação de uma coluna “<strong>delivery_order_id_duplicados</strong>” que consegue contar a quantidade de vezes que o “<strong>delivery_order_id</strong>” aparece.</p><pre>delivery_order_id_duplicados = <br>COUNTROWS(FILTER<br>(deliveries,<br>deliveries[delivery_order_id]=EARLIER(deliveries[delivery_order_id])))</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*bcNLUtEMBueUvDt74UX2Mw.png" /></figure><p>Após a remoção destas <strong>duplicadas</strong>, podemos verificar também a coluna “delivery_distance_km” (delivery_distance_meters/1000). Ela contém valores absurdamente altos de distância, por exemplo: “7251,291 km”. Não faz sentido pensar em uma entrega de comida de Recife até a Espanha.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/880/1*eBZdYT1o7QAumegIk_tBJw.png" /></figure><p>Resolvi aplicar um filtro para valores de distância <strong>menores ou iguais</strong> a “20 km”, o que, apesar de ser uma mudança brusca, apenas removeu 0,89% dos dados.</p><p>Dando uma olhada no dataset “orders”, também se percebem valores muito altos de “order_delivery_fee” e “order_delivery_cost”. Filtrei esses dois valores para que fossem menores que 25 e, na coluna “order_amount”, para que fossem maiores que 7.</p><p>Na tabela de pagamentos, iremos excluir os valores nulos presentes na coluna “payment_fee”. Como são poucos, isso não vai afetar a análise. Vale perceber que a coluna “payment_order_id” pode ter valores iguais, devido à possibilidade de um pedido ser pago de diferentes formas.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*sBHixsAIVBO0om2tVep6-w.png" /></figure><p>Existem inconsistências neste dataset, já que algumas entregas, por exemplo, mesmo sendo realizadas, não constam como pagas. Caso se trate de um dataset de uma empresa que esteja prestando serviço, seria importante esclarecer essa questão com a equipe que forneceu esses dados. Outro problema é a presença de entregas finalizadas, mas sem o <strong>“driver_id”</strong> identificado.</p><p>Para nossa análise e a realização dos levantamentos, consideraremos apenas os pedidos com status “DELIVERED”, os pagamentos com status “PAID” e os pedidos “FINISHED”.</p><h3><strong>Análise dos Levantamentos</strong></h3><h4><strong>1-</strong> Numa ação de marketing, para atrair mais entregadores, vamos dar uma bonificação para os 20 entregadores que possuem maior distância percorrida ao todo. A bonificação vai variar de acordo com o tipo de profissional que ele é e o modelo que ele usa para se locomover (moto, bike, etc).</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_C8HbUOctf65KfTzcx85KQ.png" /><figcaption><a href="https://app.powerbi.com/view?r=eyJrIjoiM2Q0YjIyNzMtNDQ4Mi00MjIzLTljZDctYWRjNjFlNjc1MmI2IiwidCI6IjY3NzhmMDFhLWI5ZmMtNGNlYy1iZTgyLTM0N2U5NzMzNTI4ZCJ9&amp;pageName=ReportSection3a7fa94dd9e8dd86db21">Melhor Qualidade</a></figcaption></figure><p>Entregadores que utilizam motocicletas tendem a cobrir distâncias maiores em comparação com aqueles que usam bicicletas, o que justifica a divisão da bonificação entre 10 entregadores de bicicleta e 10 de moto.</p><p>Com esse tipo de informação, a empresa pode incentivar motoristas com altos valores de distância percorrida por meio de bonificações. Além disso, a empresa obtém uma visão mais clara sobre quais tipos de entregadores realizam mais entregas, seja de moto ou bicicleta.</p><p>Observa-se também uma tendência entre os entregadores de bicicleta: os 10 com maior distância percorrida são, predominantemente, da modalidade “Freelance”. Por outro lado, no caso das motocicletas, parece haver uma divisão mais equilibrada entre “Freelancers” e “Operadores Logísticos”.</p><h4><strong>2 -</strong> O time de Pricing precisa ajustar os valores pagos aos entregadores. Para isso, eles precisam da distribuição da distância média percorrida pelos motoqueiros separada por estado, já que cada região terá seu preço.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ZxMpaPdLkDSsMWk9dMtO3w.png" /></figure><p>Para visualizar a distribuição de uma variável numérica contínua, como a distância média, podemos utilizar um gráfico de colunas empilhadas no Power BI, complementado por uma “Segmentação de Dados” específica para cada estado.</p><p>Essa abordagem permite observar que o estado de São Paulo apresenta os maiores valores em termos de distância média, seguido por Curitiba, Rio de Janeiro e Porto Alegre.</p><h4>3. O CFO precisa de alguns indicadores de receita para apresentar para a diretoria executiva. Dentre esses indicadores, vocês precisarão levantar (1) a receita média e total separada por tipo (Food x Good), (2) A receita média e total por estado. Ou seja, são 4 tabelas ao todo.</h4><p>Dado que estamos lidando com dados empresariais protegidos e não dispomos de detalhes sobre como o cálculo de receita é efetuado ou qual porcentagem é repassada às lojas, optaremos por realizar um cálculo simplificado da receita, baseando-nos unicamente na soma do valor pago e da taxa de pagamento (<strong>“payment_amount” + “payment_fee”</strong>) relacionada à transferência. É importante ressaltar que, em um contexto real de trabalho dentro de uma empresa, essa abordagem deveria ser discutida e alinhada com a equipe de negócios para assegurar que os valores calculados sejam realistas e consistentes com os dados reais da empresa.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*SW9ty_GJ48EUSy2j0oOWnw.png" /></figure><p>Observa-se que a média da categoria “good” é superior à de “food”, o que é intuitivo, considerando a natureza dos itens. Apesar disso, a receita total proveniente de “food” excede a de “good”, refletindo a tendência em aplicativos de entrega, onde pedidos de comida são mais frequentes do que os de <strong>outros tipos de bens/produtos</strong>.</p><p>Adicionalmente, em relação à receita total e média, São Paulo lidera, seguido pelo Rio de Janeiro, Rio Grande do Sul e Paraná, indicando a distribuição regional do volume de negócios e da demanda dentro dessas categorias.</p><h4>4. Se a empresa tem um gasto fixo de 5 reais por entrega, recebe 15% do valor de cada entrega como receita e, do total do lucro, distribui 20% em forma de bônus para os 2 mil funcionários, quanto cada um irá receber no período contido no dataset?</h4><p>Para resolver esse levantamento, iremos à tabela de pedidos e criaremos uma coluna onde todos os valores têm o valor de “5”.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Gog2Cs-Z0qLh8DkQ_CFk_Q.png" /></figure><p>Como queremos 15% da receita total, iremos multiplicar o valor de receita total por 0.15.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*paLBKADY5IviP5pUN17PKg.png" /></figure><p>Agora, <strong>pegamos</strong> a soma total da coluna “15_receita” e da coluna “custo_entrega_fixo” e <strong>fazemos</strong> uma subtração, o que resulta no Lucro. Este, por sua vez, <strong>será</strong> multiplicado por 0,20 e dividido por 2 mil funcionários.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/850/1*917QWpNOgXf9H3Ndkv4GtA.png" /></figure><pre>lucro_entregador = <br>((SUM(&#39;payments&#39;[15_receita]) - SUM(&#39;orders&#39;[custo_entrega_fixo]))*0.2)<br>/2000</pre><p>Dando um resultado de R$ 398,87 para cada entregador!</p><h3><strong>Conclusão</strong></h3><p>A análise exploratória dos dados revelou a importância de entender as nuances e as peculiaridades dos conjuntos de dados para realizar previsões e estratégias eficazes, especialmente em um setor tão dinâmico quanto o de entregas.</p><p>Identificamos inconsistências nos dados, como entregas realizadas que não constam como pagas e entregas finalizadas sem identificação do entregador, ressaltando a necessidade de uma gestão de dados mais rigorosa e transparente para melhorar a precisão das análises.</p><p>A segmentação dos dados por meio de técnicas como gráficos de colunas empilhadas no Power BI forneceu insights valiosos sobre a distribuição geográfica das atividades de entrega, destacando São Paulo como o estado com a maior média de distâncias percorridas nas entregas, seguido por Curitiba, Rio de Janeiro e Porto Alegre.</p><p>A comparação entre as categorias de “food” e “goods” trouxe à tona o entendimento de que, embora os itens não alimentícios apresentem um valor médio maior, a demanda e consequentemente a receita gerada por itens alimentícios são significativamente maiores, refletindo o comportamento do consumidor nos aplicativos de entrega.</p><p>Essas conclusões sublinham a complexidade e a riqueza dos dados no setor de entregas, bem como a necessidade de abordagens analíticas cuidadosas para guiar decisões de negócios e estratégias operacionais.</p><h3><strong>Link para o Dashboard</strong></h3><p><a href="https://app.powerbi.com/view?r=eyJrIjoiM2Q0YjIyNzMtNDQ4Mi00MjIzLTljZDctYWRjNjFlNjc1MmI2IiwidCI6IjY3NzhmMDFhLWI5ZmMtNGNlYy1iZTgyLTM0N2U5NzMzNTI4ZCJ9&amp;pageName=ReportSection3a7fa94dd9e8dd86db21">Power </a>BI</p><h3>Fonte de dados</h3><p><a href="https://www.kaggle.com/datasets/nosbielcs/brazilian-delivery-center">Delivery Center: Food &amp; Goods orders in Brazil (kaggle.com)</a></p><h3>Redes Sociais</h3><p>Linkedin : <a href="https://www.linkedin.com/in/gabrielfelinto/">Gabriel Felinto | LinkedIn</a></p><p>Github: <a href="https://github.com/Felintox">Felintox (Gabriel Felinto) (github.com)</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=f38a350a80b2" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Análise de Dados de E-Commerce com SQL]]></title>
            <link>https://medium.com/@gabrielfelinto2020/an%C3%A1lise-de-dados-de-e-commerce-com-sql-407e4226e5c2?source=rss-cc9106e9576c------2</link>
            <guid isPermaLink="false">https://medium.com/p/407e4226e5c2</guid>
            <category><![CDATA[sql]]></category>
            <category><![CDATA[análise-de-dados]]></category>
            <category><![CDATA[olist]]></category>
            <category><![CDATA[mysql]]></category>
            <category><![CDATA[ciencia-de-dados]]></category>
            <dc:creator><![CDATA[Gabriel Felinto]]></dc:creator>
            <pubDate>Thu, 21 Mar 2024 22:03:41 GMT</pubDate>
            <atom:updated>2025-08-12T03:43:26.122Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zbRoWAF117aQU9SY6QfglA.png" /></figure><h3>Introdução</h3><p>A análise de dados se tornou essencial na maioria das empresas hoje em dia. Os insights derivados da análise de dados podem resultar em melhorias significativas em várias indústrias e áreas de negócios.</p><p>Neste artigo, realizarei uma análise em um conjunto de dados bem conhecido de E-Commerce do Brasil, o que nos permitirá compreender melhor o comportamento do consumidor, avaliar o desempenho de produtos e funcionários, entre outras informações, utilizando a linguagem SQL.</p><p>SQL, ou Linguagem de Consulta Estruturada, é uma linguagem de programação destinada a gerenciar e manipular sistemas de banco de dados relacionais. É vastamente empregada para consultas, inserções, atualizações e exclusões de dados em um banco de dados. A SQL é vital para a análise de dados, pois habilita os usuários a realizar consultas complexas e extrair insights de grandes conjuntos de dados de maneira eficaz.</p><h3>Fonte dos Dados</h3><p>Vamos realizar a análise através de um conjunto de dados muito famoso na plataforma do Kaggle, o <a href="https://www.kaggle.com/datasets/olistbr/brazilian-ecommerce">“Brazilian E-Commerce Public Dataset by Olist”</a>.</p><p>O conjunto de dados contém informações de 100 mil pedidos de 2016 a 2018, feitos em vários marketplaces no Brasil. Seus recursos permitem visualizar um pedido em múltiplas dimensões: desde status do pedido, preço, desempenho de pagamento e frete até a localização do cliente, atributos do produto e, finalmente, avaliações escritas pelos clientes.</p><p>O conjunto de dados é constituído por 9 tabelas diferentes, cada uma com particularidades específicas, e segue o diagrama de relacionamento abaixo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*aXTlOcs3-l0L4Bi_pyiADA.png" /><figcaption>Fonte: <a href="https://www.kaggle.com/datasets/olistbr/brazilian-ecommerce?select=olist_customers_dataset.csv">Link do DataSet</a></figcaption></figure><p><strong>Tabelas do nosso Conjunto de Dados:</strong></p><ul><li><strong>olist_customers_dataset.csv</strong>: Tabela com informação dos Clientes</li><li><strong>olist_geolocation_dataset.csv</strong>: Tabela com informações de Localização dos clientes.</li><li><strong>olist_order_items_dataset.csv</strong>: Tabela com os pedidos feitos.</li><li><strong>olist_order_payments_dataset.csv</strong>: Tabela com informação dos pagamentos.</li><li><strong>olist_order_reviews_dataset.csv</strong>: Tabela com as avaliações.</li><li><strong>olist_orders_dataset.csv</strong>: Informações mais detalhadas sobre os pedidos.</li><li><strong>olist_orders_sellers_dataset.csv</strong>: Tabela com informações dos vendedores.</li><li><strong>olist_products_dataset.csv</strong>: Tabela com informações dos produtos e suas categorias.</li></ul><blockquote>Como temos 9 tabelas eu preferi não comentar cada coluna, porém basta acessar o <a href="https://www.kaggle.com/datasets/olistbr/brazilian-ecommerce?select=olist_orders_dataset.csv">link do dataset </a>e poderá ver mais informações sobre as colunas de cada tabela detalhadamente.</blockquote><h3><strong>Importação dos Dados</strong></h3><p>Como já foi dito, utilizaremos o SQL para realizar nossa Análise. Os arquivos estão no formato CSV (Comma-separated values).</p><p>Como este conjunto de dados tem muitas linhas, para realizar a importação para o SGBD MySQL, será necessário fazer um script de SQL. Como são nove<strong> </strong>tabelas, irei apenas mostrar como importar uma delas, porém o código completo está no meu GitHub.</p><pre>-- 8. Itens de pedido<br>CREATE TABLE olist_order_items (<br>    order_id VARCHAR(255),<br>    order_item_id VARCHAR(255),<br>    product_id VARCHAR(255),<br>    seller_id VARCHAR(255),<br>    shipping_limit_date datetime,<br>    price DECIMAL(10, 2), <br>    freight_value DECIMAL(10, 2), <br>    FOREIGN KEY (order_id) REFERENCES olist_orders(order_id),<br>    FOREIGN KEY (product_id) REFERENCES olist_products(product_id),<br>    FOREIGN KEY (seller_id) REFERENCES olist_sellers(seller_id)<br>);<br><br>LOAD DATA INFILE &#39;C:/ProgramData/MySQL/MySQL Server 8.0/Uploads/olist_order_items_dataset.csv&#39;<br>INTO TABLE olist_order_items<br>FIELDS TERMINATED BY &#39;,&#39;<br>ENCLOSED BY &#39;&quot;&#39;<br>LINES TERMINATED BY &#39;\n&#39;<br>IGNORE 1 LINES;</pre><p>O código está criando uma tabela (CREATE TABLE) e depois importando (LOAD DATA INFILE | INTO TABLE ) os valores dentro desta tabela.</p><p>Existe um erro na linha 82209 do arquivo “olist_order_reviews_dataset.csv”. No trecho “…mas não chegou nada :\”, a sequência :\ precisa ser substituída por :/.</p><p>O motivo da correção é que a barra invertida (\) é interpretada como um caractere de escape, e não como um texto comum.</p><p>Agora, começaremos a fazer as análises deste conjunto de dados. É importante prestar atenção no esquema de relacionamento do conjunto para realizar as análises de maneira correta.</p><h3>Questões Propostas:</h3><ol><li>Qual categoria de produtos mais vendidos?</li><li>Quais são os vendedores que mais fizeram vendas?</li><li>Das vendas concluídas, quantas foram entregues no prazo e quantas fora do prazo (ou atrasadas)?</li><li>Os produtos com as melhores e piores avaliações</li><li>Quais produtos têm a maior quantidade de pedidos cancelados?</li></ol><h4>Resolução</h4><h4><strong>1. Qual categoria de produtos mais vendidos?</strong></h4><p>Para resolver esse problema, faremos uma consulta com JOIN entre a tabela de produtos (olist_products_dataset) e a tabela de itens de pedidos (olist_order_items_dataset), depois um GROUP BY por product_category_name e ordenando pela quantidade de vendas, calculada pela função de agregação COUNT()</p><pre>SELECT product_category_name as Categoria,count(product_category_name) as qtd_pedidos<br>FROM olist_order_items  ol_item<br>LEFT JOIN olist_products ol_prod ON<br>ol_item.product_id=ol_prod.product_id<br>WHERE<br>  ol_prod.product_category_name IS NOT NULL AND ol_prod.product_category_name &lt;&gt; &#39;&#39;<br>GROUP BY product_category_name<br>ORDER BY qtd_pedidos DESC<br>LIMIT 10;</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/248/1*wOyAFzRvMGPMXSvcMNke3w.png" /><figcaption>Top 10 categorias com mais pedidos</figcaption></figure><p>Temos que produtos categorizados como “cama_mesa_banho”, “beleza_saude” e “esporte_lazer” lideram nosso top 3 produtos mais vendidos.</p><p>Porem analisar apenas a quantidade de pedidos pode ser limitante. Uma categoria pode ter menos vendas, mas um ticket médio mais alto, resultando em maior faturamento. Por isso, é fundamental analisar também o valor total vendido por categoria.</p><pre>SELECT<br>  ol_prod.product_category_name AS Categoria,<br>  SUM(ol_item.price) AS preco_pedidos<br>FROM olist_order_items AS ol_item<br>LEFT JOIN olist_products AS ol_prod<br>  ON ol_item.product_id = ol_prod.product_id<br>WHERE<br>  ol_prod.product_category_name IS NOT NULL AND ol_prod.product_category_name &lt;&gt; &#39;&#39;<br>GROUP BY<br>  ol_prod.product_category_name<br>ORDER BY<br>  preco_pedidos DESC<br>LIMIT 10;</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/258/1*cqHZONlHhYczTRu_KQJLHQ.png" /><figcaption>Top 10 categorias com maior faturamento</figcaption></figure><p>Ao mudar a métrica para o valor total das vendas, a classificação das categorias mudou significativamente, e algumas que se destacavam apenas pelo volume de pedidos saíram da lista.</p><p>Temos agora que o top 3 “beleza_saude”, “relogios_presentes” e “cama_mesa_banho”.</p><p>A análise de faturamento já nos deu uma visão mais precisa sobre a importância de cada categoria. Um próximo passo seria cruzar esses dados com os custos de cada produto para estimar a margem de lucro por categoria.</p><p>Categorias como “cama_mesa_banho”, que se destacam tanto em volume quanto em faturamento, podem ter margens menores devido à alta competição, enquanto categorias de nicho, como “relogios_presentes”, podem oferecer uma lucratividade superior.</p><p>Além disso, categorias com alto volume de vendas, como “cama_mesa_banho”, podem servir como uma porta de entrada para atrair novos clientes. Já as categorias que apresentam maior faturamento são fundamentais para a saúde financeira do negócio e devem receber atenção especial em estratégias de fidelização e marketing direcionado</p><h4>2. <strong>Quais foram os 20 vendedores com maior faturamento no Brasil em 2017, quantos produtos venderam e qual o ticket médio?</strong></h4><p>Esta análise identifica os 20 vendedores com maior faturamento em 2017, considerando também o estado de origem, a quantidade total de produtos vendidos, o número de pedidos únicos e o ticket médio (faturamento total dividido pelo número de pedidos).</p><p>Para isso, cruzamos os dados de itens de pedidos (olist_order_items), pedidos (olist_orders) e vendedores (olist_sellers), filtrando apenas transações realizadas em 2017.</p><p>O resultado mostra não apenas os vendedores mais lucrativos, mas também sua eficiência em termos de volume de vendas e valor médio por pedido.</p><pre>SELECT<br>    t1.seller_id,<br>    t3.seller_state AS estado_vendedor,<br>    SUM(t1.price) AS faturamento_total,<br>    COUNT(DISTINCT t1.order_id) AS qnt_pedidos,<br>    COUNT(t1.product_id) AS qnt_produtos_vendidos,<br>    SUM(t1.price) / COUNT(DISTINCT t1.order_id) AS ticket_medio<br>FROM<br>    olist_order_items AS t1<br>LEFT JOIN<br>    olist_orders AS t2 ON t1.order_id = t2.order_id<br>LEFT JOIN<br>    olist_sellers AS t3 ON t1.seller_id = t3.seller_id<br>WHERE<br>    YEAR(t2.order_purchase_timestamp) = 2017<br>GROUP BY<br>    t1.seller_id,<br>    t3.seller_state<br>ORDER BY<br>    faturamento_total DESC<br>LIMIT 20;</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/777/1*OT0YngvgVrUfTtunbAmWzQ.png" /><figcaption>Top 20 Vendedores</figcaption></figure><p>Os resultados revelam que os vendedores de São Paulo (SP) dominam o ranking de faturamento, ocupando boa parte das primeiras possições. Isso sugere uma forte concentração de atividade comercial no estado, o que pode ser atribuído à sua infraestrutura logística e ao grande número de empresas e consumidores.</p><p>Com esse tipo de informação é possível rastrear quais vendedores têm maior impacto no faturamento do e-commerce. Além disso, essa análise pode ajudar a identificar estratégias utilizadas por vendedores de alto desempenho para apoiar aqueles que apresentam métricas abaixo da média, impactando positivamente o faturamento total da plataforma.</p><h4>3. <strong>Das vendas concluídas, quantas foram entregues no prazo e quantas fora do prazo?</strong></h4><p>Filtraremos esta tabela apenas pelos pedidos entregues. Nessa consulta, usei o conceito de subqueries em SQL, que é, basicamente, uma consulta embutida dentro de outra consulta.</p><pre>SELECT<br> status_entrega,<br>    COUNT(status_entrega) AS qnt_entrega,<br>    (COUNT(status_entrega)/(SELECT COUNT(*) FROM olist_orders WHERE order_status = &#39;delivered&#39;))* 100 AS porcentagem<br>FROM (<br> SELECT<br>  CASE<br>   WHEN TIMESTAMPDIFF(DAY,order_delivered_customer_date, order_estimated_delivery_date)&gt;=0<br>            THEN &#39;No tempo&#39;<br>            ELSE &#39;Atrasado&#39;<br>  END AS status_entrega<br> FROM olist_orders<br>    where order_status=&#39;delivered&#39;<br>    ) AS subconsulta<br>GROUP BY status_entrega;</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/351/1*mLNSS7yo8e6IBqy5a8QLCg.png" /></figure><p>Aproximadamente 93% das entregas foram no prazo e cerca de 7% chegaram atrasadas. Um bom número para o total de entregas, mas é necessário investigar se existem estados com taxa baixas de entregas no prazo.</p><p>Após uma análise geral da pontualidade, é fundamental segmentar os dados por estado para identificar gargalos logísticos regionais. Ao ordenar os resultados pela porcentagem de entregas atrasadas, conseguimos identificar claramente quais estados apresentam a performance mais crítica.</p><pre>WITH EntregasStatusPorEstado AS (<br>    SELECT<br>        c.customer_state,<br>        CASE<br>            WHEN o.order_delivered_customer_date &lt;= o.order_estimated_delivery_date THEN &#39;No Prazo&#39;<br>            ELSE &#39;Atrasado&#39;<br>        END AS status_entrega<br>    FROM<br>        olist_orders AS o<br>    INNER JOIN<br>        olist_customers AS c ON o.customer_id = c.customer_id<br>    WHERE<br>        o.order_status = &#39;delivered&#39;<br>        AND o.order_delivered_customer_date IS NOT NULL<br>        AND o.order_estimated_delivery_date IS NOT NULL<br>)<br>SELECT<br>    customer_state AS Estado,<br>    COUNT(CASE WHEN status_entrega = &#39;No Prazo&#39; THEN 1 END) AS Entregas_No_Prazo,<br>    COUNT(CASE WHEN status_entrega = &#39;Atrasado&#39; THEN 1 END) AS Entregas_Atrasadas,<br>    COUNT(*) AS Total_Entregas,<br>    ROUND((COUNT(CASE WHEN status_entrega = &#39;No Prazo&#39; THEN 1 END) * 100.0 / COUNT(*)), 2) AS Pct_No_Prazo,<br>    ROUND((COUNT(CASE WHEN status_entrega = &#39;Atrasado&#39; THEN 1 END) * 100.0 / COUNT(*)), 2) AS Pct_Atrasadas<br>FROM<br>    EntregasStatusPorEstado<br>GROUP BY<br>    customer_state<br>ORDER BY<br>    ROUND((COUNT(CASE WHEN status_entrega = &#39;Atrasado&#39; THEN 1 END) * 100.0 / COUNT(*)), 2) DESC ;</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/607/1*GAmEs4NEp3X4wXUgc2YM5A.png" /><figcaption>Porcentagem de Entregas do Prazo/Atrasadas</figcaption></figure><p>Estados como AL e MA, aparecem no topo da lista, sinalizando que, embora possam não ter o maior volume de entregas, possuem desafios logísticos.</p><p>A investigação seguinte deveria focar em entender a causa raiz desses problemas. Os atrasos estão concentrados em transportadoras específicas que atuam nessas regiões? Ou talvez em determinadas categorias de produtos que exigem uma logística mais complexa (como produtos grandes ou frágeis)?</p><p>Essa alta taxa de atrasos pode estar corroendo a satisfação do cliente e a reputação da Olist nessas regiões.</p><h4>4. <strong>Quais produtos possuem as melhores e piores avaliações no marketplace, considerando a quantidade mínima de avaliações para garantir relevância?</strong></h4><p>Precisamos fazer duas utilizações do JOIN para unir as três tabelas necessárias para realizar esta análise.</p><pre>SELECT <br>    oi.product_id, <br>    p.product_category_name, <br>    ROUND(AVG(orv.review_score), 2) AS media_avaliacao, <br>    COUNT(orv.review_score) AS qnt_avaliacoes<br>FROM <br>    olist_order_reviews AS orv<br>JOIN <br>    olist_order_items AS oi ON orv.order_id = oi.order_id<br>JOIN <br>    olist_products AS p ON oi.product_id = p.product_id<br>GROUP BY <br>    oi.product_id, <br>    p.product_category_name<br>HAVING <br>    COUNT(orv.review_score) &gt;= 20 -- garante relevância<br>ORDER BY <br>    media_avaliacao DESC, <br>    qnt_avaliacoes DESC;</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/669/1*Wfyr6c4QL1VuPI_SMNDb6A.png" /><figcaption>Top produtos mais avaliados</figcaption></figure><p>Essa análise permite identificar quais produtos têm as melhores e piores avaliações no marketplace, considerando apenas aqueles com um número mínimo de avaliações para garantir relevância.</p><p>Produtos bem avaliados podem ser priorizados em campanhas, servir de referência para lançamentos e apoiar estratégias de fidelização.</p><p>Já os produtos mal avaliados indicam necessidade de ações corretivas com fornecedores, ajustes de descrição ou até retirada do catálogo, ajudando a melhorar a experiência do cliente e a reputação da loja.</p><p>É crucial, e um possível próximo passo, realizar uma análise qualitativa dos comentários nas avaliações negativas. As críticas se referem à qualidade do produto, ao processo de entrega, à embalagem ou ao atendimento do vendedor? Essa análise de texto pode revelar, por exemplo, que um produto com nota baixa na verdade é de boa qualidade, mas chega danificado devido a falhas na embalagem.</p><h4><strong>5. Vendedores com Maiores Taxas de Cancelamento</strong></h4><p>Identificar os vendedores com as maiores taxas de cancelamento para entender quais parceiros estão impactando negativamente a experiência do cliente e a integridade da plataforma. Esta análise foca em vendedores com um volume de vendas minimamente relevante para garantir que os resultados apontem para problemas operacionais crônicos, e não casos isolados.</p><pre>WITH CancelamentoPorVendedor AS (<br>    SELECT<br>        oi.seller_id,<br>        COUNT(*) AS total_produtos,<br>        COUNT(CASE WHEN o.order_status = &#39;canceled&#39; THEN 1 END) AS total_cancelados<br>    FROM<br>        olist_order_items AS oi<br>    INNER JOIN<br>        olist_orders AS o ON oi.order_id = o.order_id<br>    GROUP BY<br>        oi.seller_id<br>)<br>SELECT<br>    seller_id,<br>    total_produtos,<br>    total_cancelados,<br>    ROUND((total_cancelados * 100.0 / total_produtos), 2) AS pct_cancelados<br>FROM<br>    CancelamentoPorVendedor<br>WHERE<br>    total_produtos &gt; 10<br>ORDER BY<br>    pct_cancelados DESC;</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/713/1*FBT7tGLf6TMMp59V3vCrdQ.png" /></figure><p>A análise aponta que vendedores com altas taxas de cancelamento representam um risco operacional, sendo crucial investigá-los para diagnosticar as causas. Com base nisso, as ações sugeridas vão desde treinamentos específicos até o descredenciamento dos casos crônicos, visando proteger a experiência do cliente e a integridade da plataforma.</p><p>Seria interessante analisar se os cancelamentos desses vendedores estão concentrados em categorias de produtos específicas. Isso poderia sinalizar problemas com fornecedores ou uma descrição de produto que não corresponde à realidade, gerando frustração e cancelamento por parte do comprador</p><h3><strong>Conclusão</strong></h3><p>A análise de dados é fundamental nos dias atuais, considerando a enorme quantidade de informações disponíveis. Fazer uso desses dados de uma maneira correta pode trazer grandes vantagens para uma empresa, com insights que, devido à grande quantidade de informações produzidas, dificilmente seriam percebidos de outra forma.</p><p>O SQL é uma ferramenta muito poderosa para a análise de dados. Como analista de dados, é uma ferramenta utilizada no dia a dia da função.</p><h4>Códigos :</h4><p><a href="https://github.com/Felintox/Sql_Olist_Analise">Felintox/Sql_Olist_Analise: Analise do conjuntos de dados “Brazilian E-Commerce Public Dataset by Olist” usando a linguagem SQL. (github.com)</a></p><h4>Fonte de Dados:</h4><p><a href="https://www.kaggle.com/datasets/olistbr/brazilian-ecommerce">Brazilian E-Commerce Public Dataset by Olist (kaggle.com)</a></p><h4>Redes sociais :</h4><p>Linkedin : <a href="https://www.linkedin.com/in/gabrielfelinto/">Gabriel Felinto | LinkedIn</a></p><p>Github: <a href="https://github.com/Felintox">Felintox (Gabriel Felinto) (github.com)</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=407e4226e5c2" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>